面试流程
1> 简述你的一个项目
2> 画出你的项目的整体架构图，在其中都用了哪些技术解决了哪些问题
3> 然后说下你最熟悉的一个技术，比如spark，flink（结合项目来说）
4> 然后聊技术点(主要是自己在项目中使用的到的技术)
5> 考察数据库相关的知识
6> 然后可能考察自己的代码编写能力（可能是出一个需求并实现，或实现一个算法，比如二叉树，二分法等）
7> 最后对技术的总结性
1.spark sql，Hbase sql ,hive sql 各自的使用场景，优缺点
2.spark中的dirver 的作用有哪些
3.怎么保证kafka中的消息精准一次处理
4.实现二叉树算法
5.hbase怎样做预分区
6.结合项目说下使用哪些技术解决那些问题
7.在编程的过程中使用的算子，比如reduceByKey,groupByKey的使用场景，各自的优缺点
8.mapreduce和spark的使用场景，mapreduce和spark做对比
9.了解sqoop命令的底层实现吗？
10.写一个shell，实现查询前十行的数据
11.了解jdbc的底层实现吗？
12.在编程的时候是使用什么模式链接数据库的？
13.编程时怎样合理设置任务的参数？
14.spark中为什么在运行时会产生很多的task？与reperation的对应关系？
15.kafka中的ack机制，其中的判断条件是什么？
16.对hive了解多少，平时用到哪些方面？
17.Hive数据倾斜如何处理？内部表，外部表，分区，分桶
18.Hbase索引和Hive索引有什么区别？
1.Hive中的表为纯逻辑表，仅仅对表的元数据进行定义。Hive没有物理存储的功能，它完全依赖HDFS和 MapReduce。HBase表则是物理表，适合存放非结构化的数据。
2.Hive是在MapReduce的基础上对数据进行处理；而HBase为列模式，这样使得对海量数据的随机访问变得可行。
3.HBase的存储表存储密度小，因而用户可以对行定义成不同的列；而Hive是逻辑表，属于稠密型，即定义列数，每 一行对列数都有固定的数据。
4.Hive使用Hadoop来分析处理数据，而Hadoop系统是批处理系统，所以数据处理存在延时的问题；而HBase是准实 时系统，可以实现数据的实时查询。
5.Hive没有row-level的更新，它适用于大量append-only数据集（如日志）的批任务处理。而基于HBase的查询，支持和row-level的更新。
6.Hive全面支持SQL，一般可以用来进行基于历史数据的挖掘、分析。而HBase不适用于有join，多级索引，表关系 复杂的应用场景。
19.spark 的优化
20.Hdfs的块的大小多少能不能改成10M？
不能，假如数据块设置过少，那需要读取的数据块就比较多，由于数据块在硬盘上非连续存储，普通硬盘因为需要 移动磁头，所以随机寻址较慢，读越多的数据块就增大了总的硬盘寻道时间。当硬盘寻道时间比io时间还要长的多时,那硬盘寻道时间就成了系统的一个瓶颈
来源：CSDN
作者：明月清风，良宵美酒
链接：https://blog.csdn.net/qq_40822132/article/details/103746579